Python 如何在Keras Functional API中创建具有多个共享层的模型？

我想有一个模型，有两个输入，几个隐藏层共享权重，然后是单独的输出层

我看到了这个问题及其公认的答案：。这正是我想要实现的，只要有多个共享的密集层

基本上，他们就是这样做的：
（我对其进行了一些修改，使其具有两个独立的输出层）

我也希望这样做，只需使用两个共享隐藏层：

ip_shape1 = tf.keras.layers.Input(shape=(5,))
ip_shape2 = tf.keras.layers.Input(shape=(5,))

dense = tf.keras.layers.Dense(1, activation="sigmoid", kernel_initializer="ones", input_shape=(5,))
dense = tf.keras.layers.Dense(1, activation="sigmoid", kernel_initializer="ones")(dense)

op1 = dense(ip_shape1)
op2 = dense(ip_shape2)

op1 = tf.keras.layers.Dense(1,activation=tf.nn.sigmoid)(op1)
op2 = tf.keras.layers.Dense(1,activation=tf.nn.sigmoid)(op2)

model = tf.keras.models.Model(inputs=[ip_shape1, ip_shape2], outputs=[op1,op2])

但当我尝试这样做时，我得到了一个错误：

TypeError: Inputs to a layer should be tensors. Got: <tensorflow.python.keras.layers.core.Dense object at 0x7f7286dc7c70>

TypeError：层的输入应该是张量。得到了：

错误出现在以下行中：

dense = tf.keras.layers.Dense(1, activation="sigmoid", kernel_initializer="ones")(dense)

本质上，您正在使用

稠密

（另一个Keras层）调用稠密层。相反，层

tf.keras.layers.density

需要一个张量作为输入

---

我假设你想要组成两个共享的密集层。这可以通过以下方式实现：

dense_1 = tf.keras.layers.Dense(1, activation="sigmoid", kernel_initializer="ones", input_shape=(5,))
dense_2 = tf.keras.layers.Dense(1, activation="sigmoid", kernel_initializer="ones")

op1 = dense_1(ip_shape1)
op1 = dense_2(op1)

op2 = dense_1(ip_shape2)
op2 = dense_2(op2)

---

注意：未测试。

谢谢，我测试过了，它可以工作。从模型摘要判断，这就是我想要实现的目标。

dense_1 = tf.keras.layers.Dense(1, activation="sigmoid", kernel_initializer="ones", input_shape=(5,))
dense_2 = tf.keras.layers.Dense(1, activation="sigmoid", kernel_initializer="ones")

op1 = dense_1(ip_shape1)
op1 = dense_2(op1)

op2 = dense_1(ip_shape2)
op2 = dense_2(op2)